导读:本文包含了多变量模糊模型预测控制论文开题报告文献综述及选题提纲参考文献，主要关键词:T-S模糊模型,广义预测控制,预测函数控制,基函数
多变量模糊模型预测控制论文文献综述
刘文龙[1]（2013）在《基于T-S模糊模型的多变量非线性预测控制》一文中研究指出针对多变量非线性系统预测控制的实时性问题,提出一种基于T-S模糊模型的预测控制快速算法。通过辨识建立非线性系统的T-S模糊模型,依据系统的运动特性和实际中控制输入增量的变化趋势选取特定基函数,将广义预测控制和预测函数控制相结合设计多变量预测控制律。该算法相比已有基于T-S模糊模型的多变量非线性广义预测控制算法大幅度减少了计算量,显着提高了控制的实时性。仿真结果验证了该算法的有效性。(本文来源于《电子测量与仪器学报》期刊2013年10期）
刘福才,任丽娜,路平立[2]（2010）在《基于T-S模型的自适应多变量模糊预测控制》一文中研究指出针对多变量非线性系统的控制问题,提出了一种具有良好控制效果的模糊预测控制方法。首先采用快速聚类法和递推最小二乘法辨识得到非线性系统的T-S模型,然后对系统进行线性化,并基于线性化的模型设计模糊广义预测控制器并对非线性对象进行在线自适应控制。对一个带时延的强耦合二变量非线性对象进行仿真,结果表明对于具有时变性的非线性系统,该方法具有很好的控制效果。(本文来源于《系统工程与电子技术》期刊2010年12期）
牛林,叶燎原,李明德[3]（2009）在《基于T-S模糊模型的多变量预测控制》一文中研究指出提出一种基于T-S模糊模型的多输入多输出预测控制策略。T-S模糊模型用于描述对象的非线性动态特性,模糊规则将非线性系统划分为多个局部子线性模型。为提高预测控制性能,采用多步线性化模型构成多步预报器,从而将预测控制中的非线性优化问题转化为一个线性二次寻优问题。串接贮槽液位控制系统的仿真结果表明,多步线性化模型预测控制性能优于单步线性化模型预测控制性能。(本文来源于《自动化与仪表》期刊2009年08期）
金晓明,荣冈,王树青[4]（1998）在《基于模糊模型的多变量预测控制算法》一文中研究指出将模糊模型应用于模型预测控制，提出一种可用于非线性过程控制的模糊模型预测控制算法（ＦＭＰＣ）。模糊模型与单纯形调优的非线性规划方法相结合可获得优化的控制律。仿真结果表明，ＦＭＰＣ可获得良好的控制效果，具有较高的应用价值。(本文来源于《控制与决策》期刊1998年04期）
郑怀林,陈维南[5]（1998）在《基于修正 CPN 模型的多变量模糊预测控制(英文)》一文中研究指出通过修正ＣＰＮ模型，提出了一种多变量模糊模型，并基于该模型推导出相应的模糊多步预测控制算法．修正模型采取竞争输出方式，具有局部表示特性．在线学习，只需调整少量参数，所以学习速率快，可在线自组织建模．基于修正模型推导出的控制算法，简单，具有在线自适应性，适于解决多变量时滞问题．将此控制算法用于造纸过程，仿真结果证明了其良好的控制效果．(本文来源于《Journal of Southeast University(English Edition)》期刊1998年01期）
多变量模糊模型预测控制论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对多变量非线性系统的控制问题,提出了一种具有良好控制效果的模糊预测控制方法。首先采用快速聚类法和递推最小二乘法辨识得到非线性系统的T-S模型,然后对系统进行线性化,并基于线性化的模型设计模糊广义预测控制器并对非线性对象进行在线自适应控制。对一个带时延的强耦合二变量非线性对象进行仿真,结果表明对于具有时变性的非线性系统,该方法具有很好的控制效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多变量模糊模型预测控制论文参考文献
[1].刘文龙.基于T-S模糊模型的多变量非线性预测控制[J].电子测量与仪器学报.2013
[2].刘福才,任丽娜,路平立.基于T-S模型的自适应多变量模糊预测控制[J].系统工程与电子技术.2010
[3].牛林,叶燎原,李明德.基于T-S模糊模型的多变量预测控制[J].自动化与仪表.2009
[4].金晓明,荣冈,王树青.基于模糊模型的多变量预测控制算法[J].控制与决策.1998
[5].郑怀林,陈维南.基于修正CPN模型的多变量模糊预测控制(英文)[J].JournalofSoutheastUniversity(EnglishEdition).1998